JP3520087B2 - 空間的濾波方法および手段 - Google Patents
空間的濾波方法および手段Info
- Publication number
- JP3520087B2 JP3520087B2 JP50024695A JP50024695A JP3520087B2 JP 3520087 B2 JP3520087 B2 JP 3520087B2 JP 50024695 A JP50024695 A JP 50024695A JP 50024695 A JP50024695 A JP 50024695A JP 3520087 B2 JP3520087 B2 JP 3520087B2
- Authority
- JP
- Japan
- Prior art keywords
- point
- distribution
- scale factor
- function
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001914 filtration Methods 0.000 title claims abstract description 9
- 238000009826 distribution Methods 0.000 claims abstract description 110
- 230000006870 function Effects 0.000 claims description 42
- 230000001186 cumulative effect Effects 0.000 claims description 24
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 description 28
- 230000000875 corresponding effect Effects 0.000 description 18
- 238000005315 distribution function Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005325 percolation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102000017914 EDNRA Human genes 0.000 description 1
- 101150062404 EDNRA gene Proteins 0.000 description 1
- 240000000543 Pentas lanceolata Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004154 testing of material Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Image Processing (AREA)
- Complex Calculations (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
- Filtering Of Dispersed Particles In Gases (AREA)
- Sewage (AREA)
- Image Analysis (AREA)
- Water Treatment By Sorption (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
れていても、この構造を識別できるように空間的に濾波
する方法および装置に関するものである。
にサーチする、いわゆる“最大エントロピ”および“最
尤”技法(maximim−likelihood method)を用いること
が知られている。しかし、これらの公知の技法では、関
連する構造の識別を可能とする仮定または予備情報を必
要とする。これら公知の方法では、その方法を2次元よ
り高い次元に拡張して適用すると極めて複雑な計算が必
要となって、不均一な測定パラメータおよび多くの異な
る相関関係のために処理不能となり、また強い非相関性
ノイズを有する不規則なパターンが存在する場合におけ
る構造の検出感度は低い、という他の欠点がある。
VIEW A(GENERAL PHYSICS)、Vol.40、No.7、October 1
989、USA、pp.3954−3963、およびATMANSPACHER H.ET A
L.、「Determination of F(alpha)for a Limited Ran
dom Point Set(Galaxy Distribution)(制約ランダム
点集合(銀河の分布)のF(α)の決定)」により、主
として相関性のない点集合におけるf(α)スペクトル
を決定してその中に存在する相関性のある部分集合を識
別する方法が知られている。さらに、文献H.Ebeling et
al、PHYSICAL REVIEW E(STATISTICAL PHYSICS,PLASMA
S,FLUIDS AND RELATED INTERDISCIPLINARY TOPICS)、V
ol.47、No.1、January 1993、USA、pp.704−710、およ
びEBELING H.& WIEDENMANN G.、「Detecting Structur
e in Two Dimensions Combining Voronoi Tessellation
and Percolation(ボロノワ・セル化とパーコレーショ
ンとを組合わせた2次元における構造の検出)」による
別の方法が知られている。この方法においては、生のデ
ータ点の視野が個々のセルに分割され(Voronoi Tessel
lation)、そのセルの分布が統計的ポアソン分布におい
て予測されるセルの分布と比較される。
たn次元の構造を比較的容易に検出することができる方
法および手段を実現することを目的としている。
以下に詳細に説明する本発明によって達成される。
を表す点分布を空間的に濾波する方法においては、その
各点はn次元空間のn個の座標値によって規定されるも
のであり、 a)各点(Qm)について、ある点の周りの領域(近傍
域)内に存在する点の数(N)を表す関数を、その領域
の測定寸法(d)の関数として決定するステップと、 b)各点について、測定寸法(d)のある範囲内におい
てステップa)で決定された関数にできるだけ近似する
簡単な羃関数N〜daの指数(a)に等しいスケール係数
(a(Qm))を求めるステップと、 c)濾波される点分布と同じ型のn次元確率的点分布の
各点のスケール係数を求めるステップと、 d)濾波される点分布のスケール係数と確率的点分布の
スケール係数との間で差を求めるステップと、 e)それぞれの点のスケール係数が上記差に含まれる
(対応する)ような点であり、かつ実質的にノイズのな
い構造を表す点を、それぞれ少なくとも2次元空間上で
表すステップと、 によって特徴付けられるものである。
を表す点分布を空間的に濾波する方法においては、その
各点はn次元空間のn個の座標値によって規定されるも
のであり、 a)各点(Qm)について、ある点の周りの領域内に存在
する点の数(N)を表す関数を、その領域の測定寸法
(d)の関数として決定するステップと、 b)各点について、測定寸法(d)のある範囲内におい
てステップa)で決定された関数にできるだけ近似する
簡単な羃関数N〜daの指数(a)に等しいスケール係数
(a(Qm))を求めるステップと、 c)濾波される点分布と同じ型のn次元確率的点分布の
各点のスケール係数を求めるステップと、 d)濾波される点分布および確率的点分布のスケール係
数の実在する各値に、この各値に対応するスケール係数
以上のある関連する分布のスケール係数の数に等しい累
積数(P(<a))をある関連する分布の測定されたス
ケール係数の総数で除したものを割当てるステップであ
って、このステップにおいて求めた確率的分布の累積数
を、この確率的分布についてのスケール係数の最大数値
と濾波される分布についてのスケール係数の最大数値と
において両累積数が一致するように規格化(スケール)
するステップと、 e)濾波される確率的点分布のスケール係数の値の級
(bin)を部分級(sub−bin)に分割するステップと、 f)各部分級について、上記ステップd)において求め
た、濾波された点分布と確率的分布との対応する両累積
数間の差を生成するステップと、 g)それぞれの点のスケール係数が上記差に含まれるよ
うな点であり、かつ実質的にノイズのない構造を表す点
を、それぞれ少なくとも2次元空間上で表すステップ
と、 によって特徴付けられるものである。
を含むことが望ましい。
個々の点(Qm)の座標値を記憶するステップ。
て連続的に距離を拡大しつつメモリを検索して各座標に
点が含まれているかどうかを調べ、それによって求めら
れた点の数を距離の関数として記憶するステップ。
含むことが望ましい。
するとき、関数log N〜a・log dを決定するステップ。
配をスケール係数として使用するステップ。
は、 a)各点の座標値を求める手段(100)と、 b)各点の座標値を記憶するメモリ(102)と、 c)各点について、その点の周りの領域内の点の数
(N)を領域の寸法(d)の関数として表す羃関数N〜
daの指数(a)に等しいスケール係数を求める計算手段
(104、106、108)と、 d)濾波される点分布と同じ型のn次元確率的点分布の
各点のスケール係数を生成する手段(112)と、 e)濾波される点分布のスケール係数と確率的点分布の
スケール係数との間に実質的な差異のあるスケール係数
領域に存在する濾波される点分布の点を選択する手段
(116)と、 f)選択されたスケール係数が割当てられる点を表す手
段と、 からなる。
に優れており、しかも従来技術では全く利用できなかっ
たノイズ中に深く埋没している構造を識別することがで
きるものである。これによって識別に要する時間および
ハードウェアに要する費用が低減される。
合)に適用することができる。本発明は、例えば医学に
おける自動画像分析、衛星写真や航空写真、さらに材料
試験に関する自動画像分析の分野に適用するのに適して
いる。
=自然数)における任意の点の集合に適用することがで
きる。ここで、“点”は、数学的な意味において、かつ
映像ピクセル等を識別するための座標の組として理解さ
れるものである。対応する座標空間は、実際には少なく
とも2に等しい任意の整数の次元を持っている。座標
は、一様な物理的な次元に限定されるものではなく、例
えば空間座標やカラー(色)の値やエネルギ値等の1以
上の付加パラメータも含んでいる。例えば、3次元座標
空間では、はじめの2つの座標は面領域の位置を含んで
おり、3番目の座標は適当なスケール(sacle)に変換
されたエネルギあるいはカラーの値を含んでいることが
ある。最も簡単な場合は、座標のスケールは、得られた
点の集合が単位正方形(面積)あるいは単位立方体(体
積)で表示することができるように選択されている。パ
ラメータが時間(“時間系列”)と共に変化する場合
は、n次元座標空間が選択され、点の座標は関係のある
パラメータの連続するn個の測定値によって決定され
る。
を含めてさらに詳細に説明する。
る黒ピクセルの分布を簡略化して示した図である。
別される所定のピクセルを取囲む円を仮定したときのそ
の領域内の黒ピクセルの数Nを概略的にプロットして示
した図である。
元)についてそれぞれ図1a、図1bの場合と同様に示した
図である。
元)についてそれぞれ図1a、図1bの場合と同様に示した
図である。
の2次元集合を示す図である。
別の点が図4aによる点集合の中央部に配置された点集合
を示す図である。
ルを示す図である。
ルを示す図である。
である。
である。
1314のフォトン(光子)マップを示す図である。
ペクトルを示す図である。
示す図である。
分布からの偏差を示す図である。
するスケール係数のスペクトルを示す図である。
スケール係数のスペクトルの斜線を施した領域に属する
点の空間座標およびエネルギ座標を示す図である。
ある。
分布を示す図である。
もれた正弦波関数のスケール係数のスペクトルを示す図
である。
もれた正弦波関数のスケール係数のスペクトルを示す図
である。
ら確率的分布におけるスケール係数の数を減じて得られ
た再構成された構造を表す図である。
説明する機能ブロック図である。
座標の組を示すものとして理解されるべきものであり、
いずれの場合も映像のピクセル等を規定している。これ
らの点Qmが埋込まれた座標空間は任意の整数の次元、一
般には≧2を持っている。前述のように、座標は一様な
物理的寸法(次元)、例えば長さに限定されるものでは
ない。
または点集合の各点に対する所謂スケール係数を決定す
る(あるいは、2次元の場合と同様に、ラスタあるいは
xyフィールドの各ピクセルに対するスケール係数を決定
する)。スケール係数は、着目する領域の点密度、すな
わち着目する領域の点の数Nから決定される。特に、今
考察している点の近傍の領域内に存在する点の数Nが、
簡単な羃(累乗)関数(即ち、1個の羃数のみを含む関
数) N=da に支配されると仮定すると、この点についてのスケール
係数は上記羃関数の指数aとして定義される。
な羃関数にほゞ支配されるか否かということ、おとびそ
の羃関数の指数は、直径dの関数として点の数Nを表す
2つの対数 log N=a log d から容易に決定される。簡単な羃関数の場合は、このよ
うな表式により直線が与えられる。そのときのその直線
の傾斜が、着目している点について求めようとしていた
スケール係数である。領域の形状が非円形領域、例えば
xyラスタのピクセルの正方形の領域である場合は、dは
それに応じた他の寸法パラメータ、例えばその領域を形
成する正方形の辺の長さを表す。
aQおよび対応する点座標xQ、yQ、zQ・・・が記憶され
る。
が決定されると、スケール係数の度数分布(頻度分
布)、即ち各スケール係数(a)の数f(a)がスケー
ル係数の値の関数として決定される。さらに、スケール
係数の度数分布の各値に属する調査中の点集合の点が記
憶される。
ダム)な点集合については、全ての点が同じスケール係
数を有し、その場合の度数分布は1つの値に限定され
る。この度数分布は規格化(スケール)され、n次元座
標空間では全てのスケール係数は値nをとり、度数分布
の値もまたnになる。
トルを表す。このスケール係数のスペクトルは分析され
る点集合の局部的および全体の特性の固有のマップ(表
現)となる。
点集合に対応しているような或る点集合(即ち、同じあ
るいは同等な条件で得られる点集合)のスケール係数の
スペクトルは、上述の処理と同様にして、決定される。
このスペクトルは、以下に説明するように分析的方法、
またはシミュレーションによって、または対応する点集
合の適当な測定のいずれかによって得られる。この確率
的(ランダム)な比較集合については、度数分布の対応
する値にその点を割当てる必要はなく、そのようなスケ
ール係数のスペクトルのみを必要とするに過ぎない。
比較集合のスケール係数スペクトルとの差または偏差が
求められる。高い密度領域または強い相関性のある領域
に対応するこれらのスペクトル間の偏差の程度は、密度
勾配または相関勾配の発生の尺度(基準)になる。この
偏差部分に割当てられた調査された集合体の点によっ
て、密度勾配または相関勾配の偏差を形成する前提条件
として存在している“構造”が識別できる。
1の方法では、スケール係数のスペクトルが互いに比較
される。度数分布を得るためには、実際の適用において
は発見されたスケール係数を“ビン(bin)”または級
に割当てる必要がある。これらのビンの幅または級の間
隔によって度数分布の値に対する統計学上の誤差が決ま
る。ビンの幅を大きくすると統計学上の誤差が小さくな
るが、解像度は低くなる。
法では、ビン幅形式の付加パラメータの導入を避けるこ
とができる。スケール係数のスペクトルの代わりにスケ
ール係数の累積分布関数または積分分布関数を求める。
この目的のために、発生する各スケール係数値に対し
て、着目するスケール係数値に等しいかそれより大きい
測定されたスケール係数値の数(度数)が割当てられ
る。この数は測定されたスケール係数の総数で除され
る。除して得られた値(P(a))のスケール係数値
(a)に対する依存性は累積分布関数を表す。同様に比
較集合に対する累積分布関数が決定される。比較集合の
累積分布関数は、実在するスケール係数の最大値におい
て、調査された集合の累積分布関数と一致するように規
格化(スケール)される。スケール係数のスペクトルの
場合と同様に、スケール係数の小さな値の領域における
累積分布関数の偏差は、密度勾配および相関勾配の発生
の尺度(基準)となる。
原理を図1乃至3を参照して説明する。図1a、図2aおよ
び図3aは各々2次元のピクセルのラスタを表す。白の背
景の上に“点”を表す“黒”ピクセルが×印で表されて
いる。
なわち0次元の黒ピクセルのスポット状分布を示す。ス
ケール係数の決定方法を実線の円で囲まれた中央の黒ピ
クセルによって説明する。このピクセルに対して“密
度”、さらに正確にはピクセルの近傍領域の直径dの関
数としての点の数(即ち、着目しているピクセルの中心
から距離rにおいて計数された点の数)が求められる。
図1bのプロットから明らかなように、着目している領域
の黒ピクセルの数は、はじめは距離dの増大とともに増
加するが、その後一定値を維持する。図1bのプロットの
一定値の主部分を表す羃関数の次数、従って密度/距離
関数のスケール係数(あるいはスケール指数)は0であ
る。
の円で囲まれたピクセルを考え、破線で示す円の直径の
関数としてこのピクセルの領域内にある黒ピクセルの数
を求める。ここでは、ピクセルの数は直径dの増大とと
もに直線的に増加する。直径の関数としての密度は直線
(線形)で、スケール係数は1に等しい。
ルの数は直径dの2乗に比例して増加する。従ってスケ
ール係数は2である。
数、場合によっては非整数のスケール係数が生ずる。
法の高い検出感度を例示している。図4aは900点の確率
的集合を表す。図4bは、図4aによる点集合の中央にガウ
ス密度分布を有する追加された100個の点(有意な点の
“構造”)を含んでいる点集合を示している。そのガウ
ス密度分布の半径1σは視野直径の1/8である。その構
造は図の円内にある。
ケール係数のスペクトル、または図4bに示された構造を
含んでいる点集合についてのスケール係数のスペクトル
を例示している。図4eおよび4fは、それぞれ図4aおよび
4bによる点集合の累積分布関数をプロットしたものであ
る。
場合には、一般的には、調査する点集合の累積分布関数
または積分分布関数をその対応する確率的点集合の理論
的予測(期待)曲線に当てはめて、調査された視野に確
率的に分布する点の数を定める。このようにして定めら
れた確率的な点の数が調査された視野中に存在する点の
総数から大きく偏位している場合は、視野中に存在する
点の総数の中には上述のように規定した構造が含まれて
いることになる。この判断基準を前の段落で述べた方法
に従って生成された互いに統計的に独立な100個の視野
に適用すると、95個の視野が2σよりも大きい偏差につ
いて非確率的であると識別される。また、88のケースに
ついて確率的な点(900点)の1σまでの数(30点)が
正確に決定される。
造を含んでいるかどうかを識別することができる。
(星団)A1314のフォント(光子)マップの実例を示し
ている。衛星の検出器によって記録された各フォトンに
は2つの空間座標値とエネルギ値とが割当てられてい
る。図5aにおいて、2次元座標空間における各黒点はそ
の検出器の座標によって確認された検出フォトンに対応
する。この点集合のスケール係数スペクトルは図5bにプ
ロットされているように求められる。このスペクトル
は、確率的に点が分布している或る集合のスペクトルと
比較される。そのようなランダムな確率的点分布のスケ
ール係数スペクトルが分析的に決定される。
(+プロット)と、確率的点集合の累積分布関数のプロ
ット(実線プロット)とを示している。
5aによる点集合の累積的分布関数の偏差をプロットした
ものである。この場合、第3の座標として含まれている
エネルギ分だけさらに偏差が大きくなる。エネルギおよ
び空間の座標は単位立方体上でスケール(拡大縮小)さ
れ、その結果得られた点集合から図6aにプロットされて
いるスケール係数スペクトルが求められる。図5aの偏差
の原因となる元の点に対応するスケール係数スペクトル
の部分が、図6aにおいて斜線で示されている。これらの
点を単位立方体上にプロットすると、その結果は図6bに
示されるような空間的点分布となる。
り、この平面における図5aに示された元の点分布を表し
ている。本方法により検出され図6cに示された構造は、
クラスタA1314の位置と構成を非常に良く再現してい
る。
れた不完全な正弦波信号に対応する点分布(図7a)の評
価結果がプロットされている。不完全な正弦波成分およ
び完全な確率的成分からなるシミュレーションによる連
続時間系列によってn次元座標空間が構成される(n=
2、5、7)。図7aの各点は、n個の測定点または測定
値のシーケンスによって規定される。その各点の第1の
座標は、全体として連続的時間系列を通るものである。
比較集合として1つの確率的成分を含んでいる時間系列
が用いられている。図7bおよび7cは、それぞれn=5お
よびn=7の場合を示しており、正弦波的相関性を有す
る成分と確率的成分との解離(dissociation)は、座標
空間の次元の増大とともに増加する。
再構成した正弦波信号を示している。
間的濾波方法を実行する手段の機能ブロック図を示して
おり、この手段の個々のユニットには対応する各機能が
割当られている。
プリングして、点分布の点Qmの座標値を求める。
憶する。
リ102に記憶されている点座標を調査して点の数/領域
サイズパラメータの関数N(d)を求める。
サイズパラメータ関数から、次の式に基づいてそのスケ
ール係数a(Qm)を求める。
びd2を有する領域内の点の数を示す。その結果得られた
着目する点Qmのスケール係数a(Qm)をその点の座標を
用いてメモリ108に記憶する。その際、メモリ102を用い
て、既に記憶された着目する点の座標値を求めたスケー
ル係数に割当てる。
ニット(割当て手段、discriminator)110においてビン
に割当てる。
モリ112を具えており、このメモリ112は評価される点分
布に対応する確率的点分布の座標値を含んでいる。メモ
リ112に接続されているユニット114において、この確率
的分布のスケール係数が求められて、ユニット110のビ
ンに対応するビンに割当てる。
係数の数から確率的分布のスケール係数の数を差引く。
最後に、その差の値のスケール係数に対応する点が出力
ユニット118において“後方投影”(back projection)
表示される。即ち、その各点は、プリンタおよび/また
はモニタを用いてサンプリングされた点分布に応じたn
次元空間における点分布として表示され、またはさらに
他の手段で濾波された値の分布として処理される。
プロセッサによって処理できる。
Claims (5)
- 【請求項1】ノイズ中に埋もれている構造を表す点分布
を空間的に濾波する自動画像識別方法であって、 その各点はn次元空間のn個の座標値によって規定さ
れ、 a)各点(Qm)について、その点の近傍域内に存在する
点の数(N)を表す関数を、この近傍域の寸法(d)の
関数として決定するステップと、 b)各点について、上記寸法(d)の或る範囲内におい
て上記ステップa)で決定された上記関数にできるだけ
近似する簡単な羃関数N〜daの指数(a)に等しいスケ
ール係数(a(Qm))を求めるステップと、 c)上記濾波される点分布と同じ型の比較用のn次元確
率的点分布の各点のスケール係数を求めるステップと、 d)上記濾波される点分布のスケール係数と上記確率的
点分布のスケール係数との間で差を求めるステップと、 e)それぞれの点のスケール係数が上記差に含まれるよ
うな点であって、かつ実質的にノイズのない構造を表す
点を、それぞれ少なくとも2次元空間上で表すステップ
と、 を含むことを特徴とする、自動画像識別方法。 - 【請求項2】ノイズ中に埋もれている構造を表す点分布
を空間的に濾波する自動画像識別方法であって、 その各点はn次元空間のn個の座標値によって規定さ
れ、 a)各点(Qm)について、その点の近傍域内に存在する
点の数(N)を表す関数を、この近傍域の寸法(d)の
関数として決定するステップと、 b)各点について、上記寸法(d)の或る範囲内におい
て上記ステップa)で決定された上記関数にできるだけ
近似する簡単な羃関数N〜daの指数(a)に等しいスケ
ール係数(a(Qm))を求めるステップと、 c)上記濾波される点分布と同じ型の比較用のn次元確
率的点分布の各点のスケール係数を求めるステップと、 d)上記濾波される点分布および上記確率的点分布のス
ケール係数の各々に、この各スケール係数の値以上の値
を有するその対応する点分布のスケール係数の数に等し
い累積数(点P(<a))を上記対応する点分布の測定
されたスケール係数の総数で除したものを割当てるステ
ップであって、このステップにおいて求めた上記確率的
分布の累積数を、上記確率的分布における最大数値と上
記濾波される分布における最大数値とが一致するように
規格化するステップと、 e)上記濾波される点分布および上記確率的点分布のス
ケール係数の値の級を部分級に分割するステップと、 f)各部分級について、上記ステップd)において求め
た、上記濾波される点分布と上記確率的点分布との対応
する両累積数間の差を生成するステップと、 g)それぞれの点のスケール係数が上記差に含まれるよ
うな点であって、かつ実質的にノイズのない構造を表す
点を、それぞれ少なくとも2次元空間上で表すステップ
と、 を含むことを特徴とする、自動画像識別方法。 - 【請求項3】上記ステップa)が、 a1)上記点分布をサンプリングし、これによって決定さ
れた個々の点(Qm)の座標値を記憶するサブステップ
と、 a2)上記或る点の座標の近傍にある各点の各座標の値に
ついて距離を連続的に拡大しつつメモリを検索して上記
各座標に点が含まれているかどうかを調べ、求められた
点の数を距離の関数として記憶するサブステップと、 を含むことを特徴とする、請求項1または2に記載の方
法。 - 【請求項4】上記ステップb)が、 b1)Nを点の数、dを着目する点の近傍域の寸法とする
とき、関数log N〜a log dを決定するサブステップと、 b2)上記関数の実質的に直線部分の勾配を求め、この勾
配をスケール係数として使用するサブステップと、 を含むことを特徴とする、請求項1乃至3のいずれかに
記載の方法。 - 【請求項5】ノイズ中に埋もれている構造を表す点分布
を空間的に濾波する装置であって、 その各点はn次元空間のn個の座標値によって規定さ
れ、 a)各点の座標値を求める手段(100)と、 b)各点の座標値を記憶するメモリ(102)と、 c)各点について、その点の近傍域内に存在する点の数
(N)をこの近傍域の寸法(d)の関数として表す簡単
な羃関数N〜daの指数(a)に等しいスケール係数を求
める計算手段(104、106、108)と、 d)上記濾波される点分布と同じ型の比較用のn次元確
率的点分布の各点のスケール係数を生成する手段(11
2)と、 e)上記濾波される点分布のスケール係数と上記確率的
点分布のスケール係数との間に実質的な差異のあるスケ
ール係数領域に存在する上記濾波される点分布の点を選
択する手段(116)と、 f)選択されたスケール係数が割当てられる点を表す手
段と、 を具えることを特徴とする、装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4317746.8 | 1993-05-27 | ||
DE4317746A DE4317746A1 (de) | 1993-05-27 | 1993-05-27 | Verfahren und Einrichtung zur Raumfilterung |
PCT/EP1994/001752 WO1994028500A1 (de) | 1993-05-27 | 1994-05-27 | Verfahren und einrichtung zur raumfilterung |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08510580A JPH08510580A (ja) | 1996-11-05 |
JP3520087B2 true JP3520087B2 (ja) | 2004-04-19 |
Family
ID=6489109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP50024695A Expired - Fee Related JP3520087B2 (ja) | 1993-05-27 | 1994-05-27 | 空間的濾波方法および手段 |
Country Status (9)
Country | Link |
---|---|
US (1) | US5822466A (ja) |
EP (1) | EP0700544B1 (ja) |
JP (1) | JP3520087B2 (ja) |
AT (1) | ATE149260T1 (ja) |
DE (2) | DE4317746A1 (ja) |
DK (1) | DK0700544T3 (ja) |
ES (1) | ES2100075T3 (ja) |
GR (1) | GR3023327T3 (ja) |
WO (1) | WO1994028500A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2731819B1 (fr) * | 1995-03-17 | 1997-04-11 | Alsthom Cge Alcatel | Methode d'extraction de contours utilisant une analyse multi-fractale |
DE19633693C1 (de) * | 1996-08-21 | 1997-11-20 | Max Planck Gesellschaft | Verfahren und Vorrichtung zur Erfassung von Targetmustern in einer Textur |
DE19754909C2 (de) | 1997-12-10 | 2001-06-28 | Max Planck Gesellschaft | Verfahren und Vorrichtung zur Erfassung und Bearbeitung von Abbildungen biologischen Gewebes |
DE19928231C2 (de) * | 1999-06-21 | 2003-03-27 | Max Planck Gesellschaft | Verfahren und Vorrichtung zur Segmentierung einer Punkteverteilung |
US7006680B2 (en) * | 2002-05-03 | 2006-02-28 | Vialogy Corp. | System and method for characterizing microarray output data |
EP1835458A1 (en) * | 2005-01-07 | 2007-09-19 | Niigata University | Image processing method, image processing device, and recording medium containing image processing program |
JP2007021021A (ja) * | 2005-07-20 | 2007-02-01 | Ge Medical Systems Global Technology Co Llc | 画像処理装置およびx線ct装置 |
US10127717B2 (en) | 2016-02-16 | 2018-11-13 | Ohzone, Inc. | System for 3D Clothing Model Creation |
US10373386B2 (en) | 2016-02-16 | 2019-08-06 | Ohzone, Inc. | System and method for virtually trying-on clothing |
US11615462B2 (en) | 2016-02-16 | 2023-03-28 | Ohzone, Inc. | System for virtually sharing customized clothing |
JP6982419B2 (ja) * | 2017-06-30 | 2021-12-17 | 三菱スペース・ソフトウエア株式会社 | 画像比較装置、画像比較プログラムおよび画像比較方法 |
CN111429568B (zh) * | 2020-03-27 | 2023-06-06 | 如你所视(北京)科技有限公司 | 点云处理方法和装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3414856A1 (de) * | 1984-04-19 | 1985-10-24 | Kernforschungszentrum Karlsruhe Gmbh, 7500 Karlsruhe | Verfahren und anordnung zum verarbeiten von messsignalen zur gewinnung summarischer kenngroessen |
JPH0535768A (ja) * | 1991-07-26 | 1993-02-12 | Hitachi Ltd | フラクタル次元を応用した情報処理装置 |
-
1993
- 1993-05-27 DE DE4317746A patent/DE4317746A1/de not_active Ceased
-
1994
- 1994-05-27 EP EP94918816A patent/EP0700544B1/de not_active Expired - Lifetime
- 1994-05-27 DK DK94918816.3T patent/DK0700544T3/da active
- 1994-05-27 WO PCT/EP1994/001752 patent/WO1994028500A1/de active IP Right Grant
- 1994-05-27 US US08/549,711 patent/US5822466A/en not_active Expired - Lifetime
- 1994-05-27 AT AT94918816T patent/ATE149260T1/de not_active IP Right Cessation
- 1994-05-27 JP JP50024695A patent/JP3520087B2/ja not_active Expired - Fee Related
- 1994-05-27 DE DE59401866T patent/DE59401866D1/de not_active Expired - Lifetime
- 1994-05-27 ES ES94918816T patent/ES2100075T3/es not_active Expired - Lifetime
-
1997
- 1997-05-02 GR GR970400986T patent/GR3023327T3/el unknown
Also Published As
Publication number | Publication date |
---|---|
JPH08510580A (ja) | 1996-11-05 |
DE59401866D1 (de) | 1997-04-03 |
EP0700544B1 (de) | 1997-02-26 |
ES2100075T3 (es) | 1997-06-01 |
DK0700544T3 (da) | 1997-09-01 |
US5822466A (en) | 1998-10-13 |
DE4317746A1 (de) | 1994-12-01 |
ATE149260T1 (de) | 1997-03-15 |
EP0700544A1 (de) | 1996-03-13 |
WO1994028500A1 (de) | 1994-12-08 |
GR3023327T3 (en) | 1997-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3520087B2 (ja) | 空間的濾波方法および手段 | |
Giri et al. | Optimal identification of H II regions during reionization in 21-cm observations | |
Hobson et al. | A Bayesian approach to discrete object detection in astronomical data sets | |
RU2391686C2 (ru) | Основанные на применении компьютера формирование и проверка тренировочных образов, предназначенных для многоточечного геостатистического анализа | |
Demyanov et al. | Neural network residual kriging application for climatic data | |
US20140270476A1 (en) | Method for 3d object identification and pose detection using phase congruency and fractal analysis | |
US4628468A (en) | Method and means for determining physical properties from measurements of microstructure in porous media | |
US8712147B2 (en) | Fractal method for detecting and filling data gaps within LiDAR data | |
CN111597945B (zh) | 一种目标检测方法、装置、设备及介质 | |
CN109377516B (zh) | 一种使用动态视觉数据的光流计算方法 | |
CN116759326B (zh) | 芯片外观检测方法、装置、设备及存储介质 | |
JPH10187991A (ja) | パターン検出のための方法と装置 | |
CN108615006B (zh) | 用于输出信息的方法和装置 | |
Fiedorowicz et al. | KaRMMa–kappa reconstruction for mass mapping | |
Sun et al. | Noise analysis and synthesis for 3D laser depth scanners | |
Sun et al. | Noise in 3D laser range scanner data | |
de Belsunce et al. | Testing for spectral index variations in polarized CMB foregrounds | |
JPH11306793A (ja) | 不良解析方法および装置 | |
CN110428006A (zh) | 计算机生成图像的检测方法、***、装置 | |
Roth et al. | Bayesian radio interferometric imaging with direction-dependent calibration | |
Mitchell-Wynne et al. | Beyond stacking: a maximum-likelihood method to constrain radio source counts below the detection threshold | |
Telesca et al. | Investigating the tsunamigenic potential of earthquakes from analysis of the informational and multifractal properties of seismograms | |
US20090259438A1 (en) | Relative noise | |
Pinjarkar et al. | Spectral age distribution for radio-loud active galaxies in the XMM-LSS field | |
CN113818867B (zh) | 一种构建伪毛管压力曲线方法、***、介质、设备及应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040202 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090206 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090206 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100206 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110206 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120206 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |